بازیابی XML ۲۰۲۲
XML Retrieval 2022

اسناد معمولاً دارای محتوا و ساختار هستند. محتوا به متن سند اشاره دارد، در حالی که ساختار به نحوه سازماندهی منطقی یک سند اشاره می‌کند. یک روش رایج برای رمزگذاری ساختار، استفاده از یک زبان نشانه‌گذاری است. امروزه، پرکاربردترین زبان نشانه‌گذاری برای نمایش ساختار، زبان نشانه‌گذاری توسعه‌پذیر (XML) است.

XML می‌تواند برای ارائه دسترسی متمرکز به اسناد مورد استفاده قرار گیرد، یعنی بازگرداندن عناصر XML، مانند بخش‌ها و پاراگراف‌ها، به جای کل اسناد در پاسخ به یک پرس و جو. چنین راهبردهای متمرکزی به ویژه برای مخازن اطلاعاتی که حاوی اسناد طولانی هستند، یا اسنادی که طیف گسترده‌ای از موضوعات را پوشش می‌دهند، مفید هستند، زیرا کاربران را به مرتبط‌ترین محتوا در یک سند هدایت می‌کنند.

افزایش استفاده از XML برای نمایش ساختار سند، نیازمند توسعه ابزارهایی برای دسترسی مؤثر به اسنادی است که با XML نشانه‌گذاری شده‌اند. این کتاب شرح مفصلی از زبان‌های پرس و جو، استراتژی‌های فهرست‌بندی، الگوریتم‌های رتبه‌بندی، و سناریوهای ارائه توسعه‌یافته برای دسترسی به اسناد XML ارائه می‌دهد.

پیشرفت‌های عمده در بازیابی XML از سال 2002 در نتیجه INEX، ابتکار ارزیابی بازیابی XML، مشاهده شد. INEX، که در این کتاب نیز توضیح داده شده است، مجموعه‌های آزمایشی را برای ارزیابی اثربخشی بازیابی XML ارائه کرد. بسیاری از تحولات و نتایج شرح داده شده در این کتاب در INEX مورد بررسی قرار گرفتند.

فهرست مطالب: مقدمه / مفاهیم اولیه XML / دیدگاه‌های تاریخی / زبان‌های پرس و جو / استراتژی‌های فهرست‌بندی / استراتژی‌های رتبه‌بندی / استراتژی‌های ارائه / ارزیابی اثربخشی بازیابی XML / نتیجه‌گیری

Documents usually have a content and a structure. The content refers to the text of the document, whereas the structure refers to how a document is logically organized. An increasingly common way to encode the structure is through the use of a mark-up language. Nowadays, the most widely used mark-up language for representing structure is the eXtensible Mark-up Language (XML). XML can be used to provide a focused access to documents, i.e. returning XML elements, such as sections and paragraphs, instead of whole documents in response to a query. Such focused strategies are of particular benefit for information repositories containing long documents, or documents covering a wide variety of topics, where users are directed to the most relevant content within a document. The increased adoption of XML to represent a document structure requires the development of tools to effectively access documents marked-up in XML. This book provides a detailed description of query languages, indexing strategies, ranking algorithms, presentation scenarios developed to access XML documents. Major advances in XML retrieval were seen from 2002 as a result of INEX, the Initiative for Evaluation of XML Retrieval. INEX, also described in this book, provided test sets for evaluating XML retrieval effectiveness. Many of the developments and results described in this book were investigated within INEX. Table of Contents: Introduction / Basic XML Concepts / Historical Perspectives / Query Languages / Indexing Strategies / Ranking Strategies / Presentation Strategies / Evaluating XML Retrieval Effectiveness / Conclusions